黑龙江
在Agent时代，一款能够又快又好地解决问题、完成任务，且token花得起的模型，才是很多用户眼中的好模型。用更少的计算和无效尝试，更快更好地完成任务，是如今用户对Flash级别模型的期待，也让Flash级别模型逐渐从旗舰模型的轻量版本，走向一条独立的产品路线：在能力、速度和成本之间寻找新的平衡。
云知声发布的主力模型U2-Flash，正是围绕这一方向训练的。该模型基于U2基座完成强化后训练，面向个人用户、开发者与企业客户，依托稀疏混合专家架构，在模型能力、推理速度与使用成本之间实现均衡，成为观察云知声技术战略与商业化进展的重要窗口。它采用稀疏MoE架构，总参数约266B，激活参数仅10B，最快输出速度达到300tokens/s，首字响应平均3秒以内，其能力可以覆盖编程、Agent、推理、指令遵循等多类任务。
从评测结果来看，U2-Flash的提升也不只体现在速度上。在考察代码生成与软件工程任务的DeepSWEv1.1中，U2-Flash取得64.6分，较上一代模型U2实现翻倍式增长；在考察复杂软件工程问题解决能力的SWE-BenchPro中取得61.6分，较前代提升10.5分；在考察终端环境下Agent自主执行能力的TerminalBench3.0中，得分达到24.3分。
不同于行业用简单任务试探模型实力的常规测试，U2-Flash迎来了一次硬核实战考核——自主从零搭建一款完整智能Agent，全方位考验其长链路复杂任务处理与编程落地能力。
本次测试基于开源圈认可度极高的Pi底层Agent框架，要求模型通读拆解Pi代码仓库，全新开发一款名为Goat的专属Agent，并独立完成环境配置、功能调试、项目上传GitHub的全流程工作，任务闭环难度极高。
实测表现十分亮眼：U2-Flash全程自主规划任务路径，默认调用本机OpenCodeGo模型完成开发，仅用时18分钟就跑通全部流程，成功打造出支持工具调用、人机交互的可用Agent，顺利通过基础文件创建测试，落地效率远超预期。
后续进阶测试中，U2-Flash为Goat封装了WebUI，初代版本交互逻辑稳定无bug，仅视觉审美有所欠缺。随着历史对话、记忆系统、模型选择器、预览页面等刚需功能需求叠加，模型快速完成UI重构迭代。最后依托精细化提示词重绘界面，整体颜值和完整度大幅升级，最终成品功能完备、体验流畅，展现出极强的迭代优化能力。
这个项目非常考验模型对于长链路任务的处理能力，需要模型能够充分阅读并理解仓库内容，然后搭建简易循环，同时配好环境，最后上传。U2-Flash在编程上速度确实很快，从阅读仓库代码到跑通一个简单的Agent仅用了18分钟，所呈现的结果符合我们所提出的要求，构建了一个能够调用工具并与人交互的Agent，并通过了简单的文件创建测试。
在这个过程中，U2-Flash自己规划了任务路径，然后选择了本机上常用的OpenCodeGo订阅作为默认模型，随后构建了Agent，上传到了GitHub，非常高效。
整体实测下来，U2-Flash的表现并不只是生成速度较快，它同样在任务完成质量上做得足够好。U2-Flash力图证明的一件事是：模型参数规模固然重要，但对于Agent而言，有限的激活参数能够释放多少有效任务能力，同样值得关注。
当前国内大模型竞争已进入单位有效智能比拼阶段。云知声依托场景数据、自主后训练闭环与国产算力适配形成差异化优势。后续市场核心关注点，在于Token业务能否维持高速增长。这不仅是云知声价值重估的关键，也是国内大模型厂商从技术研发走向规模化产业落地的重要样本。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
